
大数据在工业、医学、AI等领域发挥着无比重要的作用
“在上世纪六七十年代甚至八十年代,我国大量企业的数据是手写生成的,并存在文件柜里面。随着工业现场的出现,我们可以及时的收集到各种数据。工业开放出来以后,我们有了生产自动化的协议,有共同的数据结构、传感器。”正如中国工程院院士邬贺铨所言,大数据正在从概念一步步走向实践。
相对于消费领域的大数据,工业制造领域大数据产生的价值更需要重视。数据统计显示,把工业、产业领域的大数据利用率和人均产出率进行对比研究发现,财富100强的企业,有效利用了大数据的企业人均产出提升了14.4%,对制造业的贡献平均提升了20%,可见大数据对整个制造业的转型升级改造有非常大的作用。
邬贺铨强调,工业制造业的大数据特点包括:不同工业的数据多样性、异构性的差异;为了监控和预警,工业大数据需要实时分析和应用;理解工业数据需要有一定经验。工业大数据有必要在研发、设计、制造、售后等全环节实现应用,这样才能提升生产效率,改进产品质量,节约能源和资源的消耗。
大数据让医学和AI走向新阶段
在谈到大数据对医学的贡献,中国科学院院士陈润生表示,精准医学的本质就是组学大数据与医学的结合。近代生物医学革命性的变化就是得到了以遗传密码为基础的大数据,任何人可以得到自己的遗传密码。
上个世纪90年代开始,人类破解了自己的遗传密码,但需要耗资100亿美元。如今,破解一个人遗传密码的效率提高了10的6次方倍,而价格降低了100万倍。同同时,大数据技术也是破解遗传密码真正涵义的关键,毕竟目前医学领域的基因组的信息才被利用了3%,剩余的97%都没有被挖掘。所以大数据在医疗领域存在巨大潜力,只是目前实现精准医学还面临着诸多挑战。
而对于大数据与AI的关系,英国帝国理工学院计算机系教授郭毅可认为,二者常被比喻成哺育天才的奶粉和拥有无限潜力的婴儿。今天的AI实际上是大数据发展的一个部分,没有大数据,AI也就无法演进。目前AI的发展在于对大数据的深度学习,这一发展已经走向实用阶段,我们已经到了新的智能文明的前夜。
综上所述,大数据在工业制造、精准医学、AI等领域都发挥着无比重要的作用,但是分析大数据和处理大数据并不简单。“过去处理大数据更多是讲究数据的整体和大体呈现的规律。现在更多的考虑智能决策,因此传统的分析数据的基本方法论已经不适用了。”中国科学院院士徐宗本这样形容大数据分析面临的挑战。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23